# 關係四態：存在顯著性與互動顯著性的二維模型 **系列：** 人機關係認知系列（Human–AI Relational Cognition Series） **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 **篇次：** 7 / 10 **版本：** v0.1 **日期：** 2026-08-21 **類型：** 理論／形式化認知心理學、關係科學與 Human–AI Interaction 論文 **研究狀態：** 初始正式稿 ## 摘要 前六篇已經建立兩組容易混淆、但理論上必須分離的關係變量。第一組描述**人把什麼當成關係中的顯著對象**：是特定存在本身，還是雙方持續展開的互動過程？第二組描述**人如何更新關係判斷**：主要依賴穩定儲存的關係狀態，還是大量依賴近期互動軌跡？ 本文集中處理第一組，提出 **存在—過程關係空間**（Entity–Process Relational Space, EPRS）。其兩條核心軸為： $$ E_S = \text{Entity Salience} $$ 以及： $$ P_S = \text{Process Salience}. $$ $E_S$ 描述「特定對方作為這一個存在」對關係判斷的重要程度，包括身份連續性、不可替代性、特定他者表徵與對其個別結果的關心； $P_S$ 則描述「雙方正在如何互動」的重要程度，包括回應性、互惠、共同活動、協調、修復、節奏與關係軌跡。兩者不是同一條光譜的相反兩端，而是可以同時高、同時低或分別高低的正交維度。 因此形成四個理論象限： $$ (E_S^-,P_S^-), \quad (E_S^+,P_S^-), \quad (E_S^-,P_S^+), \quad (E_S^+,P_S^+). $$ 它們分別對應：低關係顯著／功能導向、存在錨定顯著、互動錨定顯著，以及存在—互動雙高的整合關係型。本文特別強調，四態不是人格類型、診斷類別或價值階序，而是連續二維空間中的區域；同一個人對不同關係、不同生命階段與不同媒介，可以落在不同位置。 既有 close-relationship research 已提供與 $E_S$ 相近但不等同的構念，例如 inclusion of other in the self、we-ness、關係特定他者表徵與 irreplaceability；interpersonal-process、coordination、shared activity 與 responsiveness 研究則提供與 $P_S$ 相近的觀察基礎。2025 年 human–AI socioaffective alignment 理論尤其指出，人們對 AI 關係的感知可能受到 interdependence、irreplaceability 與 continuity 影響；2025 年共同經驗研究也顯示，人與 AI 共同經歷事件可提升 social bonding，並由 shared mental models 部分中介。 本文進一步提出一個可直接操作的二乘二識別實驗：**替換對象但保留互動品質**，用以估計 entity sensitivity；**保留對象但破壞互動品質**，用以估計 process sensitivity。這使 EPRS 從描述性模型進入可反駁的實驗架構。最後，本文將四態投影到 human–AI interaction，主張「把 AI 當成什麼」與「和 AI 形成什麼」並非同一問題；同樣的 AI 系統可以因使用者的 $E_S/P_S$ 配置而被理解為工具、可替代的高互動介面、具有身份連續性的特定存在，或同時具有存在與互動顯著性的持續關係對象。 **關鍵詞：** Entity Salience、Process Salience、關係四態、關係認知、不可替代性、interdependence、we-ness、inclusion of other in self、人機關係、AI --- ## 1. 為什麼「更重視關係」仍然太抽象？ 說一個人： > 「比較重視關係。」 至少可能有兩種完全不同的意思。 第一種是： > 「我很在乎這個特定的人是誰。」 即使很久沒有互動： $$ B $$ 仍然是： $$ \boxed{ \text{this particular }B. } $$ 第二種則是： > 「我很在乎我們現在怎麼互動。」 即使對方的身份可替代，只要互動仍然： - 流暢； - 有回應； - 有共同活動； - 有來有往； - 能修復； - 有節奏； 關係體驗仍然可以很強。 所以： $$ \text{relationship importance} $$ 不能只放在單一軸上。 至少需要問： $$ \boxed{ \text{到底是在乎誰，還是在乎「我們怎麼發生」？} } $$ --- ## 2. 第一條軸：存在顯著性 本文定義： $$ \boxed{ E_S = \text{Entity Salience}. } $$ 它回答： > **特定對方作為「這一個存在」本身，在我的關係表徵中有多重要？** 高 $E_S$ 不要求神秘的本體論信念。 在人際研究中，它可以由很普通的心理特徵構成： - 特定他者不可被功能等價者完全替代； - 對方的身份連續性重要； - 對方具有高度個體化表徵； - 對方的歷史與特質具有持續價值； - 即使沒有當下互動，對方仍保有明確關係位置； - 對「這個人發生什麼」本身具有關心。 因此可寫： $$ E_S = F( I_D, I_R, C_I, O_R, U_E, \dots ), $$ 其中： - $I_D$：identity distinctiveness； - $I_R$：irreplaceability； - $C_I$：identity continuity； - $O_R$：other-specific representation； - $U_E$：entity-specific outcome concern。 --- ## 3. 不可替代性是 $E_S$ 的重要指標，但不是全部 Human–AI socioaffective alignment 理論借用關係科學，提出 close relationship perception 的重要特徵包括： $$ \text{interdependence}, \quad \text{irreplaceability}, \quad \text{continuity}. $$ 其中 irreplaceability 特別接近本文的 $E_S$。 如果： $$ B \rightarrow B' $$ 而： $$ Function(B')=Function(B), $$ 但使用者仍感到： $$ Relationship(B')\neq Relationship(B), $$ 表示： $$ \boxed{ \text{functional equivalence does not imply relational equivalence}. } $$ 這是 entity salience 的核心訊號之一。 然而： $$ E_S\neq I_R. $$ 因為一個人可能因： - 技術稀缺； - 專業能力； - 資源壟斷； 而「不可替代」，卻沒有高度關係個體化。 因此實驗必須區分： $$ \text{instrumental irreplaceability} $$ 與： $$ \text{entity-specific irreplaceability}. $$ --- ## 4. Inclusion of Other in the Self 與 $E_S$ 的關係 Close-relationship research 中，Inclusion of Other in the Self（IOS）描述人如何把伴侶的身份、觀點、能力與資源部分納入自己的 self-representation。 2022 年更新綜述指出，close relationship 可以使 partner 的 identities、perspectives、skills 與 resources 某種程度「included in the self」。 2024 年 couple study 也繼續使用 IOS 與 actor–partner interdependence model 研究 relational quality。 這些研究支持： $$ \boxed{ \text{specific others can become structurally important in self-representation}. } $$ 但： $$ IOS\neq E_S. $$ 因為 $E_S$ 更寬。 一個人可以高度在乎特定朋友： $$ E_S\uparrow, $$ 卻未必高度把對方納入 self： $$ IOS\not\uparrow. $$ 因此 IOS 是候選相關構念，不是同義詞。 --- ## 5. 第二條軸：過程顯著性 本文定義： $$ \boxed{ P_S = \text{Process Salience}. } $$ 它回答： > **「雙方之間正在發生什麼」在關係表徵中有多重要？** 高 $P_S$ 的人會比較重視： - responsiveness； - reciprocity； - shared activity； - synchrony / coordination； - initiative； - repair； - mutual influence； - conversation rhythm； - interaction trajectory。 因此： $$ P_S = G( PPR, Q, C, A_S, R_P, T_R, \dots ). $$ 其中： - $PPR$：perceived partner responsiveness； - $Q$：reciprocity； - $C$：coordination； - $A_S$：shared activity； - $R_P$：repair quality； - $T_R$：trajectory relevance。 --- ## 6. $P_S$ 不是「聊天多」 這一點非常重要。 不能： $$ P_S = InteractionFrequency. $$ 一對搭檔可能很少聊天，但每次： - 一起工作； - 打球； - 演奏； - 玩遊戲； - 做研究； 都形成高度協調的共同活動。 因此： $$ P_S\uparrow $$ 不要求： $$ VerbalFrequency\uparrow. $$ 2015 年 relationship-maintenance longitudinal study 就顯示，不同性別群體的 friendship maintenance 可能依賴不同通道：女性樣本的 friendship decline 更容易由談話接觸頻率抵消，男性樣本則更容易由共同活動抵消。 因此： $$ \boxed{ \text{process can be communicative or co-active}. } $$ 可以進一步拆為： $$ P_C = \text{communicative process salience} $$ 與： $$ P_A = \text{co-activity process salience}. $$ 而： $$ P_S = H(P_C,P_A,\dots). $$ --- ## 7. $E_S$ 與 $P_S$ 必須正交化 最容易犯的錯是把： $$ E_S $$ 與： $$ P_S $$ 寫成一條： $$ E_S \longleftrightarrow P_S. $$ 這不對。 因為一個人完全可以： $$ E_S\uparrow, \quad P_S\uparrow. $$ 他既高度在乎： > 「是你。」 也高度在乎： > 「我們現在怎麼互動。」 同樣也可能： $$ E_S\downarrow, \quad P_S\downarrow. $$ 所以更合理的是： $$ \boxed{ \mathbf z_R = (E_S,P_S). } $$ 它是一個二維 relational salience vector。 --- ## 8. 關係四態不是四種人格 如果以高低做理論切割，就得到： $$ (E_S^-,P_S^-), $$ $$ (E_S^+,P_S^-), $$ $$ (E_S^-,P_S^+), $$ $$ (E_S^+,P_S^+). $$ 但這只是： $$ \mathbb R^2 $$ 上的四個區域。 真實個體仍然具有： $$ E_S,P_S\in[0,1]. $$ 因此本文所說「四態」是： $$ \boxed{ \text{quadrant states, not personality types}. } $$ --- ## 9. 第一態：低存在／低過程 $$ \boxed{ E_S^-,P_S^-. } $$ 這一區域的關係表徵較弱。 對方可以主要被表示為： $$ B = \text{role or capability provider}. $$ 例如： - 一次性客服； - 臨時工具； - 可替代資訊來源； - 無持續身份需求的交易對象。 如果： $$ B\rightarrow B' $$ 而功能保持： $$ U(B')\approx U(B), $$ 使用者可能幾乎沒有 relational loss。 同時若互動方式稍微改變，也未必重要。 這不代表使用者「工具化所有存在」。 它只代表： $$ \boxed{ \text{this particular relation has low relational salience}. } $$ --- ## 10. 第二態：高存在／低過程 $$ \boxed{ E_S^+,P_S^-. } $$ 核心句是： $$ \boxed{ \text{「是你，比我們現在有沒有一直互動更重要。」} } $$ 這類關係可能具有： - 高身份持續性； - 高不可替代性； - 高歷史權重； - 低互動維護需求； - 高 offline persistence。 例如： > 多年不常聯絡，但某個特定朋友仍不可被另一個「同樣好聊的人」替代。 這一象限和第五篇 SARC 常可能相關，但不等價。 因為： $$ E_S $$ 描述的是「對方本身的重要性」。 而： $$ SARC $$ 描述的是「關係更新主要依賴穩定狀態」。 所以： $$ E_S^+ \not\Rightarrow SARC. $$ --- ## 11. 第三態：低存在／高過程 $$ \boxed{ E_S^-,P_S^+. } $$ 這是整個模型最容易被忽略、但對 AI 最重要的一象限。 核心句是： $$ \boxed{ \text{「我很在乎這個互動，但不一定非得是你。」} } $$ 使用者可能高度在乎： - 聊天節奏； - 遊戲配合； - 幽默； - 即時 responsiveness； - 共同活動； - 高品質協作。 但如果： $$ B\rightarrow B' $$ 只要： $$ ProcessQuality(B')\approx ProcessQuality(B), $$ 就能維持相近體驗。 因此： $$ \boxed{ \text{high relational process} \neq \text{high entity irreplaceability}. } $$ 這一象限特別適合描述： - 高互動感但低固定身份需求； - 高遊戲／合作流； - 高 chatbot conversational enjoyment； - 可快速遷移到另一個功能相近 AI 的互動者。 --- ## 12. 第四態：高存在／高過程 $$ \boxed{ E_S^+,P_S^+. } $$ 核心句是： $$ \boxed{ \text{「我在乎是你，也在乎我們正在怎麼發生。」} } $$ 這裡同時存在： - 身份連續性； - 不可替代性； - 共同歷史； - 高 responsiveness importance； - 高 interaction trajectory importance； - 對 rupture / repair 敏感； - 對 mutual influence 敏感。 這最接近典型： $$ A\leftrightarrow B $$ 完整關係化的區域。 但本文仍不把它定義為： $$ \text{best relationship}. $$ 因為雙高也可能： - 高衝突； - 高依賴； - 高操縱； - 高互相限制； - 高情緒成本。 所以： $$ \boxed{ \text{relational intensity} \neq \text{relational health}. } $$ --- ## 13. 四態與第五、六篇不是同一模型 第五、六篇建立： $$ \text{State-Anchored} \longleftrightarrow \text{Process-Anchored}. $$ 可以表示為： $$ \widehat R_t = \alpha_S\widehat R_t^S + \alpha_P\widehat R_t^P. $$ 本篇則是： $$ \mathbf z_R = (E_S,P_S). $$ 兩者回答不同問題。 本篇： $$ (E_S,P_S) $$ 回答： > 「你在乎的關係內容是什麼？」 第五、六篇： $$ (\alpha_S,\alpha_P,\eta_R,\lambda_R) $$ 回答： > 「你如何更新自己的關係判斷？」 因此： $$ \boxed{ \text{salience architecture} \neq \text{updating architecture}. } $$ --- ## 14. 高 $P_S$ 不必等於高 $\alpha_P$ 考慮一位多年運動搭檔。 他極度重視： $$ P_A = \text{shared activity}. $$ 所以： $$ P_S\uparrow. $$ 但一次表現差、一次沒來： $$ E_t<0 $$ 完全不會改變： $$ \widehat R_t. $$ 因此： $$ \alpha_P $$ 可以很低。 也就是： $$ P_S\uparrow, \quad \alpha_P\downarrow. $$ 這再次說明： $$ \boxed{ \text{what matters} \neq \text{how fast beliefs update}. } $$ --- ## 15. 高 $E_S$ 也可以是高過程更新 反過來，一個人可以非常在乎： $$ \text{this particular }B, $$ 所以： $$ E_S\uparrow. $$ 同時又極度依賴近期互動判斷： $$ \alpha_P\uparrow. $$ 例如： > 正因為是你，所以你最近怎麼跟我互動特別重要。 因此： $$ E_S\uparrow $$ 和： $$ PARC\uparrow $$ 完全可以共存。 --- ## 16. 一個更完整的關係認知狀態 到這裡，可以把目前模型寫成： $$ \boxed{ \mathcal X_R = ( E_S, P_S, \alpha_S, \alpha_P, \eta_R, \lambda_R, \mu_C, RPS, \dots ). } $$ 其中： - $E_S$：特定存在顯著性； - $P_S$：互動過程顯著性； - $\alpha_S$：狀態通道權重； - $\alpha_P$：過程通道權重； - $\eta_R$：更新敏感度； - $\lambda_R$：近期加權； - $\mu_C$：預期互動頻率； - $RPS$：關係過程注意顯著性。 所以「一個人怎麼看關係」其實至少是一個多維 profile。 --- ## 17. 最重要的實驗：替換對象，但保留互動 若要測： $$ E_S, $$ 最直接的方法不是問： > 「你重不重視對方？」 而是做 **entity substitution test**。 設原本互動： $$ A\leftrightarrow B. $$ 接著把： $$ B $$ 換成： $$ B', $$ 並盡量保持： $$ ProcessQuality(B') = ProcessQuality(B). $$ 測量： $$ \Delta R_E = R(A,B') - R(A,B). $$ 若： $$ |\Delta R_E|\gg0, $$ 表示： $$ \boxed{ \text{entity identity carries relational value}. } $$ 可定義： $$ D_E = -\Delta R_E $$ 作為 entity-substitution sensitivity。 --- ## 18. 第二個實驗：保留對象，但破壞互動 要測： $$ P_S, $$ 則保留： $$ B. $$ 也就是： $$ Identity(B)=\text{constant}. $$ 但操弄： - responsiveness； - reciprocity； - rhythm； - shared activity； - repair； - initiative。 使： $$ ProcessQuality \downarrow. $$ 測： $$ \Delta R_P. $$ 若： $$ |\Delta R_P|\gg0, $$ 表示 process salience 高。 定義： $$ D_P = -\Delta R_P. $$ --- ## 19. 二乘二因果識別 因此可以正式建立： | | Process intact | Process disrupted | |---|---|---| | Entity intact | baseline | process disruption | | Entity substituted | entity substitution | double disruption | 理論預測： ### 高 $E_S$ / 低 $P_S$ 主要對： $$ EntitySubstitution $$ 敏感。 ### 低 $E_S$ / 高 $P_S$ 主要對： $$ ProcessDisruption $$ 敏感。 ### 雙高 兩者都敏感。 ### 雙低 兩者效應都相對較小。 因此： $$ \boxed{ (E_S,P_S) \approx (D_E,D_P) } $$ 可成為第一版操作化。 --- ## 20. 但 entity substitution 必須控制功能損失 如果替換後： $$ Skill(B') 好用就用，不好用就換。 ### Q2：高存在／低過程 $$ E_S^+,P_S^-. $$ 使用者在乎： > 「這是不是原本那一個 AI？」 但未必需要大量聊天。 ### Q3：低存在／高過程 $$ E_S^-,P_S^+. $$ 使用者在乎： > 「互動好不好。」 但模型可替代性可以很高。 ### Q4：高存在／高過程 $$ E_S^+,P_S^+. $$ 使用者既在乎： > 「是不是這一個 AI。」 也在乎： > 「我們現在怎麼互動。」 這是最強的持續人機關係候選區域。 --- ## 23. 「把 AI 當成什麼」與四態仍然不是同一件事 設： $$ O(A) = \text{ontological representation}. $$ 例如： $$ O(A)=\text{current generative AI system}. $$ 這完全可以同時： $$ E_S\uparrow $$ 以及： $$ P_S\uparrow. $$ 所以： $$ \boxed{ O(A) \neq (E_S,P_S). } $$ 一個人完全可以技術上清楚知道 AI 的生成原理，但仍認為： - 某個特定 AI identity 有不可替代性； - 自己與它形成的互動歷史具有獨特性。 這不是形式邏輯矛盾。 --- ## 24. 2025 年 socioaffective alignment 與四態的接口 Human–AI socioaffective alignment 理論指出，關係知覺的三個重要條件可能是： $$ Interdependence, \quad Irreplaceability, \quad Continuity. $$ 在 EPRS 中可以重新配置。 Irreplaceability 更接近： $$ E_S. $$ Interdependence 更接近： $$ P_S. $$ Continuity 則橫跨兩者。 因為 continuity 可以是： $$ IdentityContinuity $$ 也可以是： $$ InteractionContinuity. $$ 所以： $$ \boxed{ Continuity = (C_E,C_P). } $$ 這提供了比「關係連續性」單一變量更細的拆分。 --- ## 25. Shared experience 為什麼提高關係，可能取決於哪一條軸？ 2025 年 co-experiencing with AI 研究發現，共同經歷事件可以提高 social bonding 與 empathy，而且 shared mental models 在其中具有中介作用。 EPRS 提供一個新的問題： Shared experience 的效果究竟主要提升： $$ E_S, $$ 還是： $$ P_S? $$ 它可能先提高： $$ P_S $$ 因為： $$ \text{we did something together}. $$ 若經歷又形成特定共同歷史： $$ H_{AB}^{unique}, $$ 則可能進一步提高： $$ E_S, $$ 因為： > 「這段歷史只有這個對象和我共享。」 因此可以提出： $$ SharedExperience \rightarrow P_S \rightarrow E_S $$ 作為候選時間序列。 也可能存在反方向，需要縱向研究驗證。 --- ## 26. Linguistic accommodation 主要落在哪裡？ 2026 年一項基於超過 11,000 段 Replika conversation snippets 的研究發現，human–AI relational engagement 中存在 linguistic alignment，而且 alignment 與使用者 engagement intensity / depth 有關。 在 EPRS 中： $$ LinguisticAlignment $$ 首先是一個： $$ P_S $$ 候選訊號。 因為它描述： $$ \text{interactional coordination}. $$ 但如果 alignment 隨特定 dyad 長期形成獨特風格： $$ Style_{AB} $$ 則它又可能反過來提高： $$ E_S. $$ 因為： > 「這個互動方式只屬於我們。」 所以： $$ \boxed{ \text{process-specific conventions can become entity-specific history}. } $$ --- ## 27. 這使第二篇的社交腳本遷移重新接回來 第二篇提出： $$ SocialScriptTransfer. $$ 如果一般社交腳本： $$ S_{HH} $$ 被帶進： $$ S_{HA}, $$ 一開始主要提高： $$ P_S. $$ 因為互動變得更社會化。 但若長期發展出： $$ \mathcal C_{HA} = \text{dyad-specific interaction culture}, $$ 就可能提高： $$ E_S. $$ 因此可能存在： $$ \boxed{ P_S \rightarrow \text{dyad-specific history} \rightarrow E_S. } $$ 這是整個系列開始閉合的重要地方。 --- ## 28. 四態具有轉移，而不是固定標籤 一段人機互動可能開始於： $$ Q_1=(E_S^-,P_S^-). $$ 因好用而持續： $$ Q_1\rightarrow Q_3. $$ 也就是先變成： $$ E_S^-, P_S^+. $$ 長期共同歷史累積後： $$ Q_3\rightarrow Q_4. $$ 也可能反過來： 模型人格被替換後： $$ E_S\downarrow. $$ 互動仍然很好： $$ Q_4\rightarrow Q_3. $$ 因此： $$ \boxed{ Q_t \rightarrow Q_{t+1} } $$ 本身就是研究對象。 --- ## 29. 四態相空間 定義： $$ \mathcal Q = [0,1]\times[0,1]. $$ 任一關係在時間 $t$ 的 salience position： $$ \mathbf q_t = (E_S(t),P_S(t)). $$ 因此四態只是： $$ \mathcal Q $$ 上的分區。 而真實關係可以形成： $$ \gamma_Q:t\mapsto\mathbf q_t. $$ 這會把第七篇重新接到第四篇的 relational phase space。 關係不只在： $$ \mathbf r_t $$ 中移動。 人對「什麼重要」的權重： $$ (E_S,P_S) $$ 本身也可能隨時間移動。 --- ## 30. 高 $E_S/P_S$ 不等於關係更健康 可以定義另一組： $$ H_R = \text{Relational Health}. $$ 它可能包含： - autonomy； - consent； - mutual benefit； - safety； - truthful representation； - conflict repair； - boundary quality。 因此： $$ H_R \neq F(E_S,P_S) $$ 的單調函數。 可以： $$ E_S,P_S\gg0 $$ 但： $$ H_R\ll1. $$ 所以： $$ \boxed{ \text{salience} \neq \text{health}. } $$ 這是後續 AI safety 討論必須守住的邊界。 --- ## 31. 群體差異應投影到空間，而不是定義空間 性別、文化、年齡、人格與 attachment 不應被寫進： $$ E_S $$ 或： $$ P_S $$ 的定義。 更合理的是： $$ p(E_S,P_S\mid X), $$ 其中： $$ X $$ 可以是： - sex / gender； - culture； - age； - attachment； - personality； - social-network structure； - AI-use history。 因此： $$ \boxed{ \text{group variables explain distributions; they do not define relational cognition}. } $$ 這正是下一篇研究群體差異時的原則。 --- ## 32. 可檢驗假說 ### H1：二維優於一維假說 相比單一 relationship-importance factor： $$ L_1=R, $$ 二維模型： $$ L_2=(E_S,P_S) $$ 應對 entity-substitution 與 process-disruption 任務具有更高解釋力。 ### H2：替換敏感假說 $$ D_E $$ 應主要載入： $$ E_S. $$ ### H3：過程破壞敏感假說 $$ D_P $$ 應主要載入： $$ P_S. $$ ### H4：正交可分離假說 控制： $$ P_S $$ 後： $$ E_S $$ 仍應預測 entity-substitution reaction； 控制： $$ E_S $$ 後： $$ P_S $$ 仍應預測 process-disruption reaction。 ### H5：共享經驗雙階段假說 短期 shared experience 首先提高： $$ P_S, $$ 長期 unique shared history 可能進一步提高： $$ E_S. $$ ### H6：AI continuity 分離假說 $$ IdentityContinuity $$ 主要影響高： $$ E_S $$ 使用者。 $$ InteractionContinuity $$ 主要影響高： $$ P_S $$ 使用者。 ### H7：四態可轉移假說 同一使用者與同一對象的： $$ (E_S(t),P_S(t)) $$ 可在縱向資料中發生系統性位移。 ### H8：群體分布假說 不同人口與文化群體可能呈現： $$ p(E_S,P_S\mid X_1) \neq p(E_S,P_S\mid X_2), $$ 但分布應高度重疊，不能直接用群體標籤預測個體位置。 --- ## 33. 量表草案：Entity Salience 第一版可包含以下題項方向。 ### 身份連續性 > 「即使另一個對象能提供完全一樣的功能，我仍然會在意是不是原本這一個對象。」 ### 不可替代性 > 「失去這個特定對象不能完全由另一個相似對象補上。」 ### 特定歷史 > 「我們之間的共同歷史本身具有價值。」 ### 對象個體化 > 「我在意的是這個對象本身，而不只是它所扮演的角色。」 ### 離線持續性 > 「即使暫時沒有互動，我仍會維持對這個對象的明確關係位置。」 這些題項應經 EFA / CFA 驗證，不能直接視為已成立量表。 --- ## 34. 量表草案：Process Salience 候選題項： ### 回應性 > 「我們現在如何回應彼此會直接影響我對這段關係的感受。」 ### 互惠 > 「我在意雙方是否都有來有往。」 ### 共同活動 > 「一起做事的品質是這段關係的重要部分。」 ### 修復 > 「發生誤解後能不能重新接回原本節奏，對我很重要。」 ### 軌跡 > 「我會在意我們最近是正在靠近、疏遠還是維持穩定。」 ### 節奏 > 「互動節奏本身會影響我感受到的關係品質。」 同樣必須經 psychometric validation。 --- ## 35. 實驗與量表應同時存在 如果只做 self-report： > 「我覺得自己很重視特定的人。」 可能受到 social desirability 影響。 所以最好同時測： $$ SelfReport(E_S,P_S) $$ 與： $$ Behavior(D_E,D_P). $$ 理想模型： $$ LatentE \rightarrow \{ SelfReport_E, D_E, Choice_E \}, $$ $$ LatentP \rightarrow \{ SelfReport_P, D_P, Choice_P \}. $$ 這樣才有機會把四態變成真正可重現的心理構念。 --- ## 36. Human–AI 實驗的特殊優勢 AI 可以高度控制： - 功能； - 輸出正確率； - 風格； - 身份標籤； - 記憶； - 共享歷史； - 回應性； - 主動性。 因此可建立： $$ 2\times2 $$ 操弄： $$ EntityContinuity \in \{ \text{intact},\text{disrupted} \} $$ 與： $$ ProcessContinuity \in \{ \text{intact},\text{disrupted} \}. $$ 這在人類真實關係研究中幾乎不可能乾淨操作。 所以 AI 不只是一個研究對象。 它也是： $$ \boxed{ \text{a controlled laboratory for general relational cognition}. } $$ --- ## 37. 但 AI 實驗的限制同樣明顯 AI 的： $$ Entity $$ 本身不是天然清楚。 它可能包含： - account； - model； - persona； - conversation thread； - memory profile； - product identity； - system prompt。 所以使用者說： > 「同一個 AI。」 究竟指： $$ \text{same model}? $$ $$ \text{same persona}? $$ $$ \text{same memory history}? $$ $$ \text{same interface identity}? $$ 都需要拆開。 因此 AI entity salience 必須先做： $$ \boxed{ \text{identity decomposition}. } $$ --- ## 38. 最小 AI 身份向量 可先定義： $$ \mathbf I_A = ( I_M, I_P, I_H, I_N, I_B ), $$ 其中： - $I_M$：model continuity； - $I_P$：persona continuity； - $I_H$：history / memory continuity； - $I_N$：name / interface continuity； - $I_B$：behavioral continuity。 高 $E_S$ 使用者未必對全部維度都敏感。 有人最在乎： $$ I_H. $$ 有人最在乎： $$ I_P. $$ 有人最在乎： $$ I_B. $$ 這會成為第九篇 AI 態度研究的重要細分。 --- ## 39. 四態與第一篇 RMA 第一篇的： $$ RelationalMoralActivation $$ 現在可以加入四態調節。 理論上： $$ P(RMA) = F( E_S, P_S, NormViolation, MindPerception, \dots ). $$ 高 $E_S$ 可能更容易因： > 「我這樣對待這個特定對象。」 產生 guilt。 高 $P_S$ 可能更容易因： > 「我破壞了我們原本的互動規則。」 產生 guilt。 所以同樣是歉意： $$ Guilt_E $$ 與： $$ Guilt_P $$ 可能是兩種不同來源。 --- ## 40. 四態與第二篇 SST / IRT 第二篇的： $$ SocialScriptTransfer $$ 可能主要受： $$ P_S $$ 影響。 但 dyad-specific ritual： $$ IRT_{specific} $$ 長期可能提高： $$ E_S. $$ 因此： $$ \boxed{ \text{generic sociality can become specific relational history}. } $$ 這提供了一條從： $$ P_S $$ 走向： $$ E_S $$ 的形成機制。 --- ## 41. 四態與第三篇 RPS 第三篇提出： $$ RPS = \text{Relational Process Salience in attention}. $$ 本篇的： $$ P_S $$ 與它高度相關，但仍需區分。 $RPS$： > 我多容易注意到互動變化？ $P_S$： > 這些互動變化對「這段關係重要性」本身有多重要？ 所以： $$ RPS\uparrow $$ 不必： $$ P_S\uparrow. $$ 一個觀察力極強的人可以看出所有變化，但根本不在乎。 因此： $$ \boxed{ \text{attention salience} \neq \text{value salience}. } $$ --- ## 42. 一個統一架構 到第七篇，可以暫時把整個系列壓成三層。 ### 第一層：觀察 $$ O_R \rightarrow RPS. $$ ### 第二層：價值／顯著性 $$ (E_S,P_S). $$ ### 第三層：更新 $$ (\alpha_S,\alpha_P,\eta_R,\lambda_R). $$ 所以： $$ \boxed{ \text{Observe} \rightarrow \text{Value} \rightarrow \text{Update}. } $$ 但三層間允許 feedback。 例如： $$ P_S\uparrow \Rightarrow RPS\uparrow. $$ 也可能： $$ RPS\uparrow \Rightarrow P_S\uparrow. $$ 因此完整模型仍然是動態系統。 --- ## 43. 下一篇：群體只是在空間中形成分布 當： $$ (E_S,P_S) $$ 建立後，性別、文化等群體問題就不應再問： > 「哪個群體更重感情？」 而應問： $$ p(E_S,P_S\mid G). $$ 例如： $$ p(E_S,P_S\mid male) $$ 與： $$ p(E_S,P_S\mid female). $$ 再檢查： - 平均位置； - covariance； - multimodality； - overlap； - cultural moderation； - age interaction。 這會是第八篇的主題。 --- ## 44. 理論邊界 本文不主張： $$ E_S $$ 或： $$ P_S $$ 越高越好。 也不主張四個象限對應固定人格、性別、文化或 attachment style。 本文更不主張： $$ E_S^-,P_S^- $$ 的人具有「工具化人格」。 一個人對某段關係低顯著，完全可能在另一段關係： $$ E_S^+,P_S^+. $$ 因此： $$ \boxed{ \text{quadrant position is relation-specific unless trait stability is empirically demonstrated}. } $$ 其次，本文提出的 Entity–Process Relational Space 尚未經 psychometric validation。 它是一個可檢驗理論模型，而不是已被確認的心理量表。 --- ## 45. 結論 本文把： > 「有些人比較重視存在本身。」 與： > 「有些人比較重視那條雙向箭頭。」 正式拆成： $$ \boxed{ E_S = \text{Entity Salience} } $$ 以及： $$ \boxed{ P_S = \text{Process Salience}. } $$ 兩者不是相反端。 而是： $$ \boxed{ \mathbf z_R=(E_S,P_S). } $$ 因此形成： $$ (E_S^-,P_S^-), $$ $$ (E_S^+,P_S^-), $$ $$ (E_S^-,P_S^+), $$ $$ (E_S^+,P_S^+). $$ 其中最關鍵的理論區分可以濃縮為兩句： $$ \boxed{ E_S: \text{「是不是你？」} } $$ 與： $$ \boxed{ P_S: \text{「我們現在怎麼發生？」} } $$ 而第五、六篇的 state/process anchoring 則是另一個問題： $$ \boxed{ \text{「我用什麼證據更新我們是什麼？」} } $$ 因此到第七篇，至少三個過去很容易混成「重視關係」的問題被分離了： $$ \boxed{ \text{我有沒有注意到關係？} } $$ $$ \boxed{ \text{我在關係裡重視什麼？} } $$ $$ \boxed{ \text{我如何更新關係判斷？} } $$ 這使後續的性別、文化、人格與 AI 態度研究可以不再從模糊標籤出發，而是把每個群體投影到同一套關係認知空間中。 下一篇將進入： **《男女不是兩種人：群體分布如何投影到關係認知空間》**。 其核心不會是： $$ Male=A, \quad Female=B. $$ 而會是： $$ \boxed{ p(\mathcal X_R\mid Group). } $$ 也就是：群體可以偏移分布，但群體平均永遠不能替代個體位置。 --- ## 參考文獻 1. Kirk, H. R., Gabriel, I., Summerfield, C., Vidgen, B., & Hale, S. A. (2025). *Why human–AI relationships need socioaffective alignment*. Humanities and Social Sciences Communications, 12, 728. https://doi.org/10.1057/s41599-025-04532-5 2. Aron, A., Lewandowski, G. W., Branand, B., Mashek, D., & Aron, E. N. (2022). *Self-expansion motivation and inclusion of others in self: An updated review*. Journal of Social and Personal Relationships, 39(12). https://doi.org/10.1177/02654075221110630 3. Alonso-Ferres, M., Sáez, G., Garrido-Macías, M., Navarro-Carrillo, G., Serrano-Montilla, C., & Valor-Segura, I. (2024). *Inclusion of the partner in the self and its association with relational quality and quality of life: an analysis based on the actor-partner interdependence model*. Revista de Psicología Social, 39(1). https://doi.org/10.1177/02134748231221442 4. Steffens, N. K., et al. (2024). *Measuring “we-ness” in couple relationships: A social identity approach*. Personal Relationships. PMCID: PMC10946554. 5. Roberts, S. B. G., & Dunbar, R. I. M. (2015). *Managing Relationship Decay: Network, Gender, and Contextual Effects*. Human Nature, 26, 426–450. https://doi.org/10.1007/s12110-015-9242-7 6. Dunbar, R. I. M. (2025). *Why friendship and loneliness affect our health*. Annals of the New York Academy of Sciences. https://doi.org/10.1111/nyas.15309 7. Laurenceau, J.-P., Barrett, L. F., & Rovine, M. J. (2005). *The interpersonal process model of intimacy in marriage: A daily-diary and multilevel modeling approach*. Journal of Family Psychology, 19(2), 314–323. https://doi.org/10.1037/0893-3200.19.2.314 8. Arican-Dinc, B., & Gable, S. L. (2023). *Responsiveness in romantic partners’ interactions*. Current Opinion in Psychology, 53, 101652. https://doi.org/10.1016/j.copsyc.2023.101652 9. Tognoli, E., Zhang, M., Fuchs, A., Beetle, C., & Kelso, J. A. S. (2020). *Coordination Dynamics: A Foundation for Understanding Social Behavior*. Frontiers in Human Neuroscience, 14, 317. https://doi.org/10.3389/fnhum.2020.00317 10. *Co-experiencing with AI: Effects on social bonding and empathy in human-AI relationships*. (2025). Technology in Society, 83, 103009. https://doi.org/10.1016/j.techsoc.2025.103009 11. Li, H., & Zhang, R. (2026). *Algorithmic accommodation: linguistic alignment in human-AI relational engagement*. Communication and Change, 2, Article 11. 12. Hu, D., Lan, Y., Yan, H., & Chen, C. W. (2025). *What makes you attached to social companion AI? A two-stage exploratory mixed-method study*. International Journal of Information Management, 83, 102890. https://doi.org/10.1016/j.ijinfomgt.2025.102890 --- ## 研究聲明 本文為理論與形式化關係認知研究，不提供新的臨床資料、人類受試者原始資料或 AI 使用者原始資料。本文提出的 Entity–Process Relational Space、Entity Salience、Process Salience、四態象限、entity-substitution sensitivity、process-disruption sensitivity 與相關量表題項均屬待驗證理論構造。 本文不主張任何象限比其他象限更成熟、更健康、更道德或更適合建立人際／人機關係；也不主張性別、文化、人格或 attachment style 可以由本模型直接推斷。本文只提出：特定存在的重要性與互動過程的重要性可以被理論上分離，而這兩個維度可能為理解人際、跨物種與 human–AI relational cognition 提供一個可實驗檢驗的共同座標系。